Gestion des approvisionnements en contexte de gestion de
Transcription
Gestion des approvisionnements en contexte de gestion de
Ousmane Alkaly Gestion des approvisionnements en contexte de gestion de pro jet : analyse de deux mesures de niveau de service Memoire de ma^trise presente a la Direction des Etudes de Cycles Superieurs de l'Universite du Quebec pour l'obtention du grade de Ma^tre es sciences (M.Sc.) Programme de Ma^trise en gestion de projet Departement des sciences administratives Hull Universit e du Qu ebec a Mai 2002 c Ousmane Alkaly, 2002 Remerciements Je desire remercier le directeur de ce memoire, M. Tomasz Skapski, professeur au departement de sciences comptables de l'Universite du Quebec a Hull, pour m'avoir informe et conseille au long de ce travail de recherche. Je remercie chaleureusement le co-directeur de ce memoire, M. Alain Charbonneau, professeur au departement de l'informatique de l'Universite du Quebec a Hull, pour m'avoir encadre, soutenu et guide durant la redaction du memoire et pour m'avoir initie a l'utilisation d'outils informatique. La disponibilite de M. Charbonneau, son go^ut du travail et de la decouverte ont grandement contribue a la realisation de ce projet. Je tiens egalement a remercier M. Kazimierz Zaras, professeur au departement des sciences de la gestion de l'Universite du Quebec en Abitibi-Temiscamingue, qui a accepte, malgre ses nombreuses occupations, d'^etre evaluateur du memoire. J'adresse de sinceres remerciements au professeur Jean-Paul Paquin, responsable du programme de l'administration de l'Universite du Quebec a Hull, pour m'avoir aide a trouver un directeur de memoire ainsi que pour sa disponibilite et son ecoute, au professeur Alain Beauls qui fut mon premier contact a l'UQAH en 2000 alors qu'il etait responsable du Programme. Je tiens au passage a remercier a M. Paul Rosemont qui m'a plusieurs fois aide a comprendre certains passages mathematiques et a M. Paul Courtemanche pour ses services rendus avec amabilite et patience. Je tiens a exprimer ma profonde reconnaissance a Gilles et Yolande Chouinard pour leur si chaleureux accueil au Canada, leur soutien moral inestimable et pour tous les moyens qu'ils ont mis a ma disposition. Enn, je dedie ce travail a toutes les personnes qui me sont cheres et particulirement a mes parents, El Hadj Amadou Alkaly et Hadjia Marie Chalare. i Resume En gestion de projet, la consolidation des outils de support permet de ma^triser davantage le processus operationnel des projets, en particulier en gestion des approvisionnements. Dans un contexte realiste, ou la demande pendant le delai de livraison suit une loi de probabilite, la quantite a commander et le moment ou passer une commande sont etudies a travers deux mesures de niveau de service que sont la probabilite de non rupture de stock et le taux de satisfaction. An d'etablir une comparaison entre ces deux indicateurs de performance du systeme d'approvisionnement, nous avons cherche a calculer un point d'indierence qui traduit l'egalite des valeurs optimales de ces mesures de niveau de service sous contrainte budgetaire. Ce point d'indierence permet donc de preciser des plages de valeurs qui indiquent qu'une valeur optimale de mesure de niveau de service est superieure a l'autre. La determination des valeurs optimales des mesures de niveau de service et leur comparaison nous ont amene a developper une approche numerique qui constitue une des contributions majeures de ce travail. Ceci nous a conduit a developper un logiciel de recherche de point d'indierence et nous en donnons des applications dans les cas ou la demande pendant le delai de livraison suit une loi de probabilite exponentielle, Weibull, Rayleigh ou gamma. Ousmane ALKALY, Etudiant Tomasz SKAPSKI, Directeur de recherche, UQAH Alain CHARBONNEAU, Co-directeur de recherche, UQAH Kasimierz ZARAS, Examinateur externe, UQAT ii Table des Matieres Liste des gures v Liste des tableaux vi Notation vii Introduction 1 1 Modelisation mathematique du systeme (Q; s) avec utilisation des niveaux de service 9 1.1 1.2 1.3 1.4 1.5 1.6 Modele deterministe . . . . . . . . . . . . . . . . Modele probabiliste . . . . . . . . . . . . . . . . . Mesures de niveau de service . . . . . . . . . . . . Valeur optimale des mesures de niveau de service : Le point d'indierence . . . . . . . . . . . . . . . Lois de probabilite utilisees en gestion de stock . . . . . . . . . . . . . . . . . . . . P1 et P2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 12 14 15 18 19 2 Calcul du point d'indierence par une methode analytique-numerique 21 2.1 Reformulation des calculs a eectuer . . . . 2.2 Calcul de P1 et de P2 . . . . . . . . . . . . 2.3 Calcul de R(s) . . . . . . . . . . . . . . . . 2.3.1 Cas de la loi exponentielle E () . . . 2.3.2 Cas de la loi de Weibull W (b; 1=2) . . 2.3.3 Cas de la de Weibull avec W (b; 1=3) . 2.3.4 Cas de la loi de Rayleigh R() . . . . 2.3.5 Cas de la loi Gamma avec a = 1=2 . 2.3.6 Cas de la loi Gamma generale . . . . 2.4 Calcul approche du point d'indierence . . . iii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 22 23 23 24 24 24 25 25 25 3 Applications 3.1 Cas de la loi exponentielle . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1 Cas de la loi exponentielle E () . . . . . . . . . . . . . . . . . 3.1.2 Approximation de la loi normale N (; 2) par l'exponentielle 3.2 Cas de la loi de Weibull W (b; c) . . . . . . . . . . . . . . . . . . . . . 3.2.1 Le cas c = 1=2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Le cas c = 1=3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.3 Le cas c = 2 : la loi de Rayleigh R(2 ) . . . . . . . . . . . . . 3.2.4 Quelques cas supplementaires . . . . . . . . . . . . . . . . . . 3.3 Cas de la loi gamma G (a; ) . . . . . . . . . . . . . . . . . . . . . . . 3.4 Un resultat d'invariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 27 27 28 28 28 29 29 29 30 31 Conclusion 39 Annexe A : Les distributions utilisees en gestion de stock A.1 Distribution exponentielle E () . . . . . . . . . . . . . . . . A.2 Distribution normale N (; 2 ) . . . . . . . . . . . . . . . . A.3 Distribution de Weibull W (b; c) . . . . . . . . . . . . . . . . A.4 Distribution de Rayleigh R() . . . . . . . . . . . . . . . . A.5 Distribution de la loi G (a; ) . . . . . . . . . . . . . . . . . 41 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 41 42 42 43 Annexe B : Le programme de calcul du point d'equilibre 46 Annexe C : Exemple d'utilisation du programme 56 Bibliographie 59 iv Liste des gures 1.1 1.2 1.3 3.1 3.2 A.1 A.2 A.3 Resolution graphique de la EOQ . . . . . . . . . . Systeme d'approvisionnement (cas probabiliste) . Representation graphique de la contrainte (1.4.9) Representation graphique du tableau 3.7 . . . . . Representation graphique du tableau 3.8 . . . . . Loi de Weibull pour c = 1=3; 1=2; 1; 2; 4 . . . . . . Loi de Rayleigh pour = 1=2; 1; 2 . . . . . . . . . Loi gamma pour = 1=2; 1; 2 . . . . . . . . . . . v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 13 16 32 38 43 44 45 Liste des tableaux 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 Cas de l'exponentielle . . . . . . . . . . . . . . Cas Weibull : c = 1=2 . . . . . . . . . . . . . . Cas Weibull : c = 1=2, QW = 1000, K = 6000 Cas Weibull : c = 1=3 . . . . . . . . . . . . . . Cas Weibull : c = 2 . . . . . . . . . . . . . . . Cas de la loi Weibull : QW = 1000, K = 4000 . Cas de la loi gamma : QW = 1000, K = 4000 . Cas de la loi de Weibull : QW =ind vs N . . . vi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 28 29 29 29 30 31 37 Notation Quantites economiques Nc ; nombre de commandes, p. 11 A ; co^uts par commande, p. 11 D ; demande annuelle, p. 11 H ; co^ut unitaire de stockage, p. 11 ; co^ut unitaire de l'article en stock, p. 11 Smoy ; stock moyen annuel, p. 11 r ; co^ut de stockage, p. 11 K ; co^uts de gestion, p. 11 QW ; le Q de Wilson, p. 11 K ; la quantite AD=r, p. 21 Cs ; co^uts totaux annuel de stockage, p. 11 Cc ; co^uts de commande, p. 11 Q ; quantite commandee, p. 11 s ; point de rapprovisionnement, p. 14 Niveau de services b(x; s) ; quantite manquante a la n d'un cycle, p. 15 b(s) ; esperance de la quantite manquante en n de cycle, p. 14 (Q; s) ; fraction de la demande non satisfaite, p. 15 P1 (s), P1 (Q; s) ; probabilite de non rupture de stock, p. 14 P2 (Q; s) ; taux de satisfaction, p. 14 P1 ; valeur optimale de P1 (Q; s) sous la contrainte de budget, p. 15 P2 ; valeur optimale de P2 (Q; s) sous la contrainte de budget, p. 15 Q1 ; s1 ; p. 17 Q2 ; s2 ; p. 17 vii R(s) ; p. 18 ind ; point d'indierence, p. 19 Probabilites L ; delai de livraison, p. 13 X ; demande pendant le delai de livraison L, p. 13 gL (l) ; loi de densite de L, p. 13 fX (x) ; loi de densite de X , p. 13 fX jL (xjl) ; loi de densite conditionnelle de X sachant L, p. 13 fX;L (x; l) ; loi de densite jointe de X et L, p. 14 FX (x) ; fonction de repartition de X , p. 41 EX (x) ; esperance mathematique de X , p. 15 ; moyenne de X ; ecart-type de X 2 ; la variance de X E () ; loi exponentielle, p. 41 R() ; loi de Rayleigh, p. 42 N (; 2) loi normale de moyenne et de variance 2 , p. 41 W (b; c) ; loi de Weibull de parametres b et c, p. 42 () ; fonction Gamma, p. 42 G (a; ) ; loi Gamma de parametres a et , p. 43 I (; ) ; fonction Gamma incomplete, p. 44 viii Introduction Le troisieme millenaire a vu le jour sous un processus accelere de mondialisation de l'economie caracterise par une forte concurrence et une competition croissante, plongeant les acteurs que sont les entreprises, industries et organisations dans un environnement d'insecurite et d'instabilite ou la course erenee a la survie est devenue le mot d'ordre. Dans un tel contexte, les entreprises n'ont d'autre choix que de viser la performance et faire preuve d'eÆcacite et d'eÆcience. Le management traditionnel ne suÆt plus a lui seul a relever ce de ; il existe une autre forme d'organisation et de gestion applicable dans de nombreuses spheres d'activites : c'est la gestion de projet1 . La gestion de projet se retrouve aujourd'hui sur toutes les levres et est presentee comme le \management miracle" a appliquer pour faire face a ce contexte contemporain. Jadis utilisee dans l'industrie aerospatiale et par les rmes conseils en genie, elle est en passe d'^etre vulgarisee pour devenir le mode de gestion par excellence du nouveau millenaire. Preferee au management traditionnel, notamment dans un monde en perpetuelle mutation (Bloch et al. [4]), la gestion de projet se dierencie de la gestion classique par ses principes et modes de fonctionnement (Cleland et King, [8]). Autre avantage, la gestion de projet s'inscrit le plus souvent dans des organisations et environnements ou cohabitent des activites operationnelles et des activites entrepreneuriales. De ce fait, la gestion des operations, peut parfaitement s'integrer comme une composante a part entiere de la gestion de projet. Nous trouvons dans la litterature plusieurs denitions pour expliquer et clarier le concept gestion de projet. Generalement ces denitions s'equivalent, se completent ou font ressortir des specicites types de la gestion de projet. Selon Declerck et al., [10] : \la gestion de projet peut ^etre denie comme etant un ensemble de methodes ou de techniques creees pour la conception, l'analyse et la conduite d'activites temporaires, fortement irreversibles, non repetitives, realisees sous contrainte de temps et de ressources". Kerzner, [12], la complete en introduisant le concept de l'approche 1 Processus ayant pour but de realiser un produit specique ou une uvre concrete ou encore un processus de changement dont le but est de produire quelque chose de nouveau, O'Shaughnessy [17]. 1 systemique ou des specialistes de fonctions diverses sont assignes a un projet en particulier a realiser a l'interieur de contraintes de co^uts, de delais et de performance. L'approche systemique est couramment utilisee en gestion de projet pour expliquer le mode de fonctionnement d'une organisation, d'un systeme dans son ensemble ainsi que les interactions et interdependances de ces sous-systemes, autrement dit pour posseder une vue d'ensemble, un regard global sur tout le systeme. Le projet est lui-m^eme un sous-systeme qui s'inscrit a l'interieur d'autres systemes. Il est donc inimaginable de vouloir gerer convenablement un projet en l'isolant, en oubliant qu'il fait partie d'un ensemble plus grand et plus complexe evoluant dans un environnement dynamique. Au cours du deroulement du processus de generation, de lancement et d'execution du projet ainsi que de son integration dynamique en une operation, la gestion de projet se presente comme une entite montrant des interactions entre des environnements traditionnels et nouveaux (Declerck et al. [10], O'Shaughnessy [17]). Lorsqu'on se refere au cycle de vie d'un projet, particulierement pendant la phase de realisation du projet (les extrants prevus sont obtenus) et la phase operationnelle (mise en route des extrants realises) des operations de suivi, contr^ole et evaluation interviennent. Ces operations permettent au gestionnaire d'^etre au courant du deroulement des activites et d'^etre a l'a^ut des problemes qui peuvent eventuellement survenir pour y apporter des corrections si necessaires ; enn elles permettent aux gestionnaires de s'assurer que le projet a atteint les objectifs pour lesquels il a ete concu. Dans cette etude, nous nous interessons aux aspects operationnels de la gestion de projet particulierement la gestion des approvisionnements. C'est un domaine tres vaste, relativement jeune et sommairement evoque dans la litterature manageriale qui traite peu des problemes de la gestion operationnelle et des aspects fonctionnels des projets (Leroy, [14]). De nos jours, cette fonction du management qui est deja reconnue comme indispensable suscite de plus en plus l'inter^et de nombreux scientiques. Cet engouement se justie en partie comme un \eet de mode" (Midler, [15]). Il s'explique aussi et surtout par la necessite d'impliquer la fonction approvisionnement d'une organisation des les premieres phases du projet. Cette aÆrmation est conrmee par Urli et Page, [24], qui, a travers une etude, sont parvenus a la conclusion suivante : des economies supplementaires sur les achats de biens et de services de l'ordre de 7.2% pourraient facilement se realiser pour la plupart des projets si la fonction approvisionnement etait plus integree en amont. Des lors il devient indispensable d'integrer la fonction approvisionnement en contexte de projet, car c'est de la capacite des organisations a transformer ces projets en operations stables et ma^trisees de plus en plus productives, que dependra l'abondance des rentrees 2 de tresorerie qui, si elles se maintiennent, permettront en retour de nancer d'autres projets (Leroy, [14]). Quant a la gestion des approvisionnements, elle doit ^etre consideree comme un ensemble d'operations globales qui ne se limite pas seulement a faire des achats. Elle debute au moment ou le besoin est exprime et prend n lorsque le bien ou le service est rendu au demandeur. La fonction approvisionnement, ne doit plus ^etre consideree comme une simple fonction routiniere d'achat cantonnee sur des negociations hasardeuses avec des fournisseurs qu'elle n'a jamais choisis. Elle doit obeir a un certain nombre de principes qui sont immuables quel que soit le type d'entreprise et comporte plusieurs operations qui se font en harmonie, dont l'accomplissement a bon terme est protable pour l'entreprise. La gestion des approvisionnements est un domaine en perpetuelle evolution surtout en contexte de projet ou les activites sont non repetitives et irreversibles. A ce propos, Andersen, [1], souligne que les missions de la fonction achat et le prol de carriere des acheteurs ont beaucoup evolue. L'anticipation des besoins d'achat et l'anticipation de l'evolution des fournisseurs constituent deux axes majeurs du management moderne des approvisionnements. La fonction approvisionnement ne peut donc plus se faire de facon intuitive par des personnes novices et inexperimentees. D'ailleurs, DantyLafrance n'a-t-il pas deplore dans Strategie et politique d'approvisionnement, [9], cet etat de fait qui sevit en France ? Selon Savard et al., [20], le concept d'approvisionnement signie l'action de rendre operationnel par la determination des besoins, le ux des stocks et des activites connexes a l'interieur et a l'exterieur de l'entreprise. Cette action favorise la diminution des co^uts en utilisant certains modes de contr^ole economique et ce, dans l'objectif de rendre le produit accessible selon les conditions des dierents marches qualies de commercial, domestique et industriel. A partir d'une telle denition, deux points importants sont a retenir dans le cadre de ce travail : premierement la gestion des approvisionnements englobe non seulement la gestion des achats mais aussi celle des stocks ; deuxiemement, les approvisionnements constituent un aspect sensible dans la reduction des co^uts eleves de logistique qui deviennent de plus en plus un dilemme pour les entreprises en raison ce sujet, Pfohl et al., [19], soulignent qu'en Allemagne, des diÆcultes de les contenir. A les co^uts de logistique ont augmente ces dernieres annees de 13.3% dans les compagnies industrielles et de 21.8% dans les compagnies commerciales. Parmi les raisons evoquees par les gestionnaires pour justier cette situation, le probleme des stocks vient souvent en premier lieu. Par exemple, au Canada, les stocks detenus par un manufacturier representent en moyenne 34% de ses actifs et 90% de son fonds 3 de roulement (Silver et Peterson, [18]). En France, les stocks representent 30% du bilan des entreprises apres compensation des credits clients et fournisseurs (Blondel, [5]). Cela constitue une importante immobilisation nanciere qui engendre des frais nanciers (taux du decouvert bancaire si le fonds de roulement est un emprunt, co^ut moyen du capital de l'entreprise, taux de rentabilite des capitaux investis) auxquels s'ajoutent des frais dus au stockage. Par consequent, si les stocks etaient correctement contr^oles par les gestionnaires de projet, les fonds de roulement et d'exploitation d'un projet seraient considerablement reduits, donc les marges brutes d'autonancement seraient augmentees mettant en valeur les chances de l'organisation de prosperer et de se developper. Finalement, la mauvaise gestion des stocks diminue ces marges, ce qui entra^ne une perte dans la part du marche et procure un avantage aux concurrents (Bjork, [3]). La detention des stocks ne presente pas seulement des inconvenients. Les avantages et privileges qui y sont lies et qui justient son maintien sont innombrables. Cependant il est inutile de les developper amplement dans le present travail. Notons simplement quelques fonctions majeures des stocks decrites par Zeng et Hayya, [26] : supporter et fournir les matieres premieres necessaires a la manufacture (cas de la demande dependante2 ) ; proteger les compagnies contre les incertitudes qui apparaissent suite aux divergences entre la demande et la production, la deterioration des machines et les erreurs humaines. En denitive, les stocks constituent un des principaux parametres qu'une entreprise peut ma^triser pour atteindre le niveau de service desire contrairement a la demande qu'elle ne peut contr^oler. Des lors, un probleme de choix de politique d'approvisionnement pour maintenir les stocks a un niveau optimal et faire face a la demande se pose au gestionnaire ; probleme qui se resume en deux questions primordiales a savoir : a quel moment doit-il passer sa commande ? Et quel volume commander ? Ce sont la des questions que souleve notre theme de recherche : Gestion des approvisionnements en contexte de gestion de projet : analyse de deux mesures de niveau de service. Tel qu'enonce, ce theme introduit de prime abord la problematique de la gestion des approvisionnements en contexte de gestion de projet. D'ou le probleme general de recherche : les gestionnaires de projet utilisent les modeles classiques et deterministes de la gestion des approvisionnements en contexte de gestion de projet, alors que les 2 Demande qui se fait a l'interne et qui concerne les produits semi-nis et les matieres premieres. 4 interventions courantes de la gestion des stocks dans le fonctionnement operationnel des organisations sont constamment soumises a des circonstances aleatoires. Une telle problematique pousse indubitablement a choisir une politique d'approvisionnement et a decrire les specicites qui la caracterisent en contexte de projet. Dans le present travail, ou seule la demande independante3 est prise en compte, nous allons reprendre un modele qui existe deja dans la litterature et qui repond simultanement aux questions qui conduisent a notre theme de recherche : il s'agit du systeme d'approvisionnement a quantite xe avec revue continue d'articles deni par une quantite economique constante et un point de reapprovisionnement (ou de commande). Lorsque le nombre d'articles en stock diminue sous l'eet de la demande cliente, le point de reapprovisionnement d'un article correspond au seuil critique qui indique de passer une nouvelle commande de reapprovisionnement. Le delai de livraison est la seule periode au cours de laquelle peut survenir une rupture de stocks. Or, le souci majeur de tout gestionnaire est d'eviter cette penurie an d'orir un meilleur service a la clientele, c'est-a-dire satisfaire les demandes clientes gr^ace a une disponibilite des produits, condition sine qua non pour qu'une entreprise puisse demeurer competitive. De prime abord cet objectif pousse a commander a l'avance et en quantite elevee. Or le gestionnaire n'a jamais renonce a sa \deontologie premiere" qui est d'ouvrer en faveur d'une reduction des co^uts. Ces deux objectifs sont de toute evidence opposes. Par consequent, il faudrait trouver le juste milieu qui permettrait d'atteindre les deux objectifs, c'est-a-dire mettre en place un systeme de gestion qui permettrait de denouer ce dilemme au prot de l'organisation. Face a ce litige, la gestion des stocks tente de trouver un equilibre d'une part entre les divers co^uts impliques dans l'acquisition du materiel en stock (co^uts de commande et co^uts de stocks) et d'autre part entre les co^uts de stockage (co^uts pertinents) et les co^uts de penurie engendres par une rupture de stock. Le premier arbitrage a etablir par la gestion des stocks porte donc sur l'equilibre entre les co^uts de stockage et de co^uts de commande. A ce sujet, d'importants progres ont ete realises. En eet, le modele de la quantite economique a commander communement appele EOQ (Economic Order Quantity) est une solution a ce probleme. L'autre recherche d'equilibre, particulierement importante en gestion des stocks, porte sur l'arbitrage entre les co^uts de stockage d'une part et les co^uts de penurie engendres par une rupture de stock d'autre part. La aussi la determination du stock suÆsant pour couvrir la periode du risque de rupture est une solution, autrement dit la determination du point de com3 Demande l'entreprise. provenant des clients et donc qui ne depend pas des modalites de fonctionnement de 5 mande (quantite s). Il existe deux ecoles de pensee sur la facon d'etablir le point de reapprovisionnement (implicitement les stocks de securite) dans le cas d'un systeme d'approvisionnement a quantite xe (Q; s). La premiere approche considere que les co^uts lies a une rupture de stock peuvent ^etre connus et determines : des co^uts explicites peuvent ^etre alloues aux penuries de stock. Pourtant, en contexte de gestion de stock, le co^ut le plus diÆcile a etablir est bien celui de la rupture de stock. Ce co^ut doit ^etre etabli aussi bien dans le cas d'une commande en sourance que celui d'une vente perdue, et peut ^etre exprime aussi bien par unites de base que par nombre de ruptures ou en d'autres unites. A la diversite des methodes pour etablir ces co^uts s'ajoutent la diÆculte d'anticiper le comportement des demandes futures en raison du mecontentement des clients et l'incidence reelle de ces nouveaux co^uts sur l'attitude des clients. La deuxieme approche suppose que des co^uts tangibles aussi bien que des co^uts intangibles sont associes a une rupture de stock. Compte tenu de cette diÆculte d'expliciter et de mesurer l'ensemble de tous les facteurs relies a une rupture de stock, le gestionnaire emploie le concept globalisant de niveau de service. Ce concept n'est pas nouveau en gestion classique et son introduction en gestion de projet permet de consolider davantage les outils de support existants. Le niveau de service indique l'habilete avec laquelle les demandes des clients peuvent ^etre satisfaites a partir du stock. Le niveau de service traduit aussi la capacite de l'entreprise a remplir sa mission soit son aptitude a produire bien avec moins de ressources tout en donnant entiere satisfaction aux clients dans les delais requis. En d'autres termes, le concept de niveau de service fait ressortir les limites d'eÆcacite et d'eÆcience de l'entreprise. L'image d'une entreprise est grandement dependante du niveau de service qu'elle ore ; c'est notamment a partir de ce critere que les clients fondent leur opinion sur l'entreprise. C'est donc un indicateur4 de performance du systeme de gestion des approvisionnements. Dans le cadre de ce travail nous souscrivons a cette deuxieme ecole de pensee. An de rendre operationnel le concept de niveau de service, plusieurs indicateurs permettent d'evaluer la performance d'une politique d'approvisionnement ; ici, nous en retiendrons deux. Ces indicateurs, communement appeles mesures de niveau de service, sont : la probabilite qu'il n'y ait pas de rupture de stock pendant un cycle d'approvisionnement (notee P1 ) et la fraction de la demande satisfaite (notee P2 ). Plus precisement, si la demande pendant le delai de livraison est modelisee par la variable 4 Statistique ciblee et contextualisee selon une preoccupation de mesure, sur la manifestation observable d'un phenomene ou sur un element lie au fonctionnement d'une organisation, voir [25] p. 61. 6 aleatoire X , la probabilite que cette demande soit inferieure a s, s > 0 est par denition P r(X s) alors que la fraction de la demande satisfaite correspond a la portion de la commande cliente que peut honorer le gestionnaire. Mais, ces deux mesures de niveau de service sont-elles les m^emes ? Sinon, peut-on les comparer ? Ce sont la des questions soulevees par Zeng et Hayya, [26], qui nous amenent au concept de point d'indierence des deux mesures de niveau de service. Les reponses a ces questions et donc le calcul d'un point d'indierence, permettront aux gestionnaires, qui dans la pratique se ent a l'une des deux mesures de niveau de service pour evaluer la performance de leur strategie de reapprovisionnement, de comparer ces indicateurs. En gestion des stocks, la demande pendant le delai de livraison suit une loi de probabilite qui appartient a une famille de lois dont les parametres sont connus ou a determiner. Le point d'indierence des mesures de niveau de service P1 et P2 correspond au calcul d'un parametre libre d'une famille de lois. Dans la pratique, ces calculs font intervenir la resolution d'un probleme non lineaire. Dans ce memoire, nous proposons une methode numerique qui permet de calculer un point d'indierence pour les mesures de niveau de service P1 et P2 . De plus, notre procedure numerique permet de faire de tels calculs pour des lois de probabilite jusque la non mentionnees dans la litterature. Finalement, soulignons que nous avons developpe un programme Maple pour implanter cette methode numerique. ? ? ? Le present memoire est elabore en trois chapitres principaux suivi de trois annexes : le premier chapitre rappelle le modele probabiliste du systeme d'approvisionnement a quantite xe avec utilisation du concept de niveau de services et pose le probleme de la determination du point d'indierence ; le deuxieme chapitre, qui marque notre contribution principale a ce secteur de recherche, presente la methode numerique que nous avons developpee pour le calcul des points d'indierence ; le troisieme chapitre contient les resultats obtenus a partir du programme informatique qui implante notre methode de calcul ainsi qu'un resultat d'invariance relativement aux distributions de Weibull et de Gamma ; 7 l'annexe A rappelle tres brievement quelques resultats qui concernent les distributions utilisees dans ce memoire ; l'annexe B contient le programme informatique ecrit en Maple que nous avons developpe a partir de la methode developpee au chapitre 2 ; l'annexe C illustre le fonctionnement du programme Maple a partir d'un exemple particulier. 8 Chapitre 1 Modelisation mathematique du systeme (Q; s) avec utilisation des niveaux de service 1.1 Modele deterministe En contexte de demande independante1 , le principal modele deterministe rencontre dans la litterature et qui continue de jouer un r^ole central en theorie des stocks, est celui de la quantite economique a commander, communement appelee EOQ (Economic Order Quantity). Ce modele permet de trouver la quantite optimale a commander sur une periode souvent annuelle, notee QW en reference au modele de Wilson. Cette quantite permet de diminuer les co^uts de logistique en minimisant l'ensemble des co^uts de commande et de stockage lorsque certaines hypotheses de base sont satisfaites. Reduire l'ensemble de ces co^uts a un strict minimum est incontestablement protable pour le projet surtout que 25% des frais nanciers sont engendres par les co^uts de logistique Pfohl et al. [19]. Evidemment, pour utiliser un modele, il faudrait prealablement conna^tre les hypotheses sur lesquelles celui-ci est b^ati et les consequences que chacune d'elles implique : le taux de consommation est connu et uniforme : la demande est constante et connu avec exactitude ; le co^ut des items ne varie pas avec la taille de la commande : le principe de remise n'existe pas, donc il ne sert a rien de passer de grosses commandes ; 1 Demande provenant des clients, donc autonome et qui ne depend pas des modalites de fonctionnement de l'entreprise. Cette demande concerne les produits nis. 9 toute la commande est livree instantanement : la commande est recue dans son integralite portant les stocks a leur etat maximal a chaque reception ; les delais de livraison sont connus de sorte qu'on peut passer la commande a temps : il n'y a jamais de retard dans la livraison, certitude absolue d'acquisition du materiel au moment voulu ; le co^ut de passation de la commande est le m^eme quelle que soit la taille de la commande : il ne sert a rien de faire de nombreuses petites commandes car ce co^ut interviendra a chaque fois augmentant ainsi les charges relatives a la commande ; le co^ut de detention de stock est une fonction lineaire de la quantite d'items detenus : plus la quantite de stock est importante plus ce co^ut est eleve ; l'approvisionnement se fait par cycle (periode entre deux livraisons consecutives) et aucune rupture de stock (penurie) n'est toleree bien que le stock de securite soit nul. Tel qu'enonce, ces hypotheses de base suscitent des commentaires qui introduisent notre problematique specique de recherche : basee exclusivement sur une vision deterministe, la EOQ ne prend pas en compte certaines situations aleatoires qui caracterisent les phenomenes pratiques. Or, de nombreux auteurs, Pfohl et al. [19], trouvent qu'il est parfois realiste de supposer que la demande et le delai de livraison peuvent varier. Ainsi, la premiere etape a gagner est de comprendre les lois de probabilites que suivent la demande et le delai de livraison. Tadikamalla [22] pousse la reexion plus loin en precisant qu'il est plus pertinent de s'interesser a la distribution de la demande pendant le delai de livraison qu'a celle de la demande ou du delai de livraison pris individuellement. C'est dans cette optique que Brill et Chaouch [6] soutiennent qu'un etat stationnaire de la demande (constante et connue) represente une situation critique pour les operations courantes des fournisseurs au m^eme titre qu'un ralentissement prolonge de la demande. Par consequent, le modele de la EOQ, en raison de ses hypotheses de base, devient sujet a polemique et est souvent repris par les chercheurs qui y apportent des modications. Et pourtant, la EOQ presente indeniablement des avantages en raison de son application commode et pratique, et permet une ma^trise facile de la situation de chaque article. De plus, elle fournit un cadre precurseur qui permet d'introduire des methodes d'analyse qui seront appliquees a des systemes plus complexes ce qui la rend utile dans l'examen de problemes concrets, Nedzela et Gianini [16]. C'est pourquoi Lee et 10 Nahmias [13] presentent la EOQ comme etant le modele le plus largement repandu en gestion des stocks malgre ses limites bien connues. Le modele de Wilson An de calculer la quantite QW , le modele de Wilson nous amene a minimiser la fonctionnelle de co^ut de gestion K (Q) qui est obtenue de la somme des co^uts de commande et de co^uts totaux annuels de stockage. Les co^uts de commande Cc sont egaux aux co^uts par commande A multiplies par le nombre de commandes Nc . Nc est a son tour egal a la demande annuelle D divisee par la quantite commandee Q. Ainsi, AD : (1.1.1) Cc = Q Quant aux co^uts totaux annuels de stockage Cs , ils sont egaux au co^ut unitaire de stockage H multiplie par le stock moyen annuel Smoy . D'une part H = r ou est le co^ut unitaire de l'article en stock et r est le co^ut de stockage exprime en pourcentage du co^ut unitaire de l'article en stock. D'autre part, dans le modele de Wilson, Smoy = Q=2 puisque, par hypothese, le stock varie lineairement de la quantite maximale Q a la quantite minimale zero. Ainsi, Q Cs = r : (1.1.2) 2 Finalement, de (1.1.1) et (1.1.2), nous obtenons K (Q) = Cc + Cs AD Q = + r : (1.1.3) Q 2 De cettepfonctionnelle de Q, nous obtenons que la quantite economique a commander est QW = 2AD=r. Notons egalement que QW verie l'egalite des co^uts de commande et des co^uts totaux annuels de stockage. En eet, la relation Cc = Cs implique que Q = QW . Ces observations sont exprimees a la gure 1.1. Le modele de Wilson avec stock de securite Maintenant, supposons que le gestionnaire desire maintenir un stock de securite s 0 an de prevenir, dans la pratique, les cas de rupture de stock. Dans ce cas, nous devons inclure dans les co^uts totaux annuels de stockage Cs la quantite supplementaire sr qui est liee a la maintenance du stock de securite. Ainsi, le co^ut de gestion K (Q; s) est donne par Q AD + + s r : (1.1.4) K (Q; s) = Q 2 11 Co^ut K # Cc ! 0 Cs QW Q Figure 1.1: Resolution graphique de la EOQ En reprenant la demarche indiquee ci-haut, il est facile de voir que K (Q; s), avec s 0, sera minimale pour s = 0 et pour Q = QW . La detention du stock de securite fait souvent partie d'une philosophie commerciale ou m^eme d'une culture d'entreprise qui consiste a orir aux clients le meilleur service qui puisse exister au monde sans dierer les commandes assurant a long terme l'eÆcacite de l'organisation : rentrees de fonds et reduction des co^uts relies a la rupture de stock [23]. 1.2 Modele probabiliste Dans le cadre ce travail, an de tenir compte du caractere aleatoire de la demande pendant le delai de livraison, et an de gerer de facon plus optimale le projet, nous apportons les modications suivantes au modele deterministe de Wilson : la demande est incertaine, mais avec un taux moyen constant dans le temps ; la loi de la demande pendant un delai de livraison est independante du temps t ; les delais de reapprovisionnement (intervalles de temps qui s'ecoule entre le moment ou une commande est passee et sa reception, di ) forment une suite de variables aleatoires independantes et de m^eme loi ; 12 les demandes non satisfaites pendant un cycle donne sont reportees au debut du cycle suivant ; il est impossible de placer une commande avant que la commande precedente n'ait ete honoree. Dans de telles conditions, le systeme d'approvisionnement est represente a la gure 1.2, voir Nedzela et Gianini [16] p.253. Cette gure reete davantage les cas pratiques souvent rencontres en gestion des stocks. Niveau du stock " " Q " " Q Q s # # 0 d1 cycle 1 ! ! # # d2 cycle 2 ! ! t Figure 1.2: Systeme d'approvisionnement (cas probabiliste) A partir de ces hypotheses, la demande pendant le delai de livraison, X , se comporte comme une fonction dont la loi de densite s'obtient comme suit : gL(l) est la loi de densite du delai de livraison L ; fX j L(x j l) est la densite conditionnelle de la demande X livraison L, connaissant L ; pendant le delai de fX (x) la densite de la demande pendant le delai de livraison qui s'ecrit : fX (x) = = Z 1 0 Z 1 0 13 fX;L (x; l) dl fX j L (x j l)gL (l) dl ; (1.2.5) ou fX;L (x; l) est la loi de densite jointe de X et L. Par cette approche, le stock de securite ne sera plus determine a priori par le gestionnaire mais sera pris en charge par la methode de calcul en modiant (1.1.4) comme suit : le stock de securite est la dierence entre le stock disponible au debut du delai de livraison, s, et la demande moyenne pendant la m^eme periode, . Dans ce cas, le co^ut de gestion devient AD Q + + s r : K (Q; s) = Q 2 (1.2.6) 1.3 Mesures de niveau de service La theorie d'inventaire s'est longtemps occupee de modeliser la performance de la politique du systeme d'approvisionnement a quantite xe par le biais de formules mesurant le stock moyen, la penurie de stock et autres criteres en fonctions de Q et s [27]. Cette modelisation a donne naissance a plusieurs mesures de niveau de service [11], dont : la probabilite qu'il n'y ait pas de rupture de stock pendant un cycle, appelee P1 ; l'esperance de la quantite manquante a la n d'un cycle, b(s) ; la probabilite qu'un ou plusieurs cycles presentent des ruptures par unite de temps, le plus souvent annuel, ; le taux de satisfaction, ; la fraction de la demande satisfaite, P2 . Le choix d'une mesure de niveau de service releve du jugement du gestionnaire qui est base sur la convenance plut^ot que sur une justication scientique. Dans le cadre de ce memoire, nous avons choisi d'utiliser les mesures de niveau de service P1 et P2 . La mesure de niveau de service P1 La probabilite P1 de ne pas avoir une rupture de stock pendant le delai de livraison est donnee par l'integrale de la fonction de densite de probabilite de X , la demande pendant le delai de livraison : P1 (s) = P r(X s) = F (s) = 14 Z s 0 fX (x) dx : Pour des besoins ulterieurs, notons au passage que P1 est independante de Q, la quantite a commander. Nous pouvons donc considerer P1 comme une fonction de Q et de s et noter ainsi cette fonction P1 (Q; s). On a : P1 (Q; s) = Z s 0 fX (x) dx : (1.3.7) La mesure de niveau de service P2 Pour le calcul de P2 , nous denissons prealablement b(s), l'esperance de la quantite manquante a la n d'un cycle. Puisque, pour s xe, la quantite manquante a la n d'un cycle, notee b(x; s), est donnee par b(x; s) = 8 < pour x s ; x s; : 0; pour x < s ; ou x est la demande durant le delai de livraison et ainsi, b(s) = EX (b(x; s)) = Z 1 s (x s)fX (x) dx ; ou EX (b(x; s)) designe l'esperance de b(x; s), s xe. Notons que lorsque x s > 0 nous sommes alors en situation de rupture de stock. Notre modele traite le cas de commande en sourance c'est-a-dire que les commandes qui ne sont pas honorees sont mises en attente jusqu'a la reception du reapprovisionnement en cours. Donc il n'y a pas de ventes perdues. Ainsi, en esperance, la fraction de demande non satisfaite durant le cycle courant, notee (Q; s), est b(s) (Q; s) = : Q Finalement, la mesure de niveau de service P2 , la fraction de demande satisfaite, aussi appele taux de satisfaction, est b(s) : (1.3.8) P2 (Q; s) = 1 (Q; s) = 1 Q Tel que deni, P2 , est presentee par Berthier et Spalanzani, [2], comme etant un instrument de mesure de la qualite du service. 1.4 Valeur optimale des mesures de niveau de service : P1 et P2 Relativement aux mesures de niveau de service P1 et P2 , l'objectif du gestionnaire est de maximiser ces mesures de niveau de service en termes de la quantite a commander Q 15 et du point de reapprovisionnement s. Cependant, dans un contexte ou le gestionnaire dispose d'un budget annuel xe K , et ou A, D, , r sont des parametres donnes a priori, Q et s dependent l'une de l'autre. En eet, pour une distribution donnee de la demande pendant le delai de livraison, donc est connue, nous deduisons de (1.2.6) que Q et s satisfont la relation : AD Q + + s r = K : Q 2 (1.4.9) appelee contrainte de budget. A la gure 1.3, nous avons represente cette contrainte pour les choix particuliers A = 10, D = 10000, = 1, r = 0:2, K = 800 et = 1. 3000 2500 2000 s 1500 1000 500 0 2000 4000 6000 8000 Q Figure 1.3: Representation graphique de la contrainte (1.4.9) Ainsi, l'objectif du gestionnaire se traduit par la formulation des deux problemes mathematiques suivants : pour une distribution donnee de la demande pendant le delai de livraison, Probleme 1 Maximiser P1 (Q; s) sous la contrainte (1.4.9). Probleme 2 Maximiser P2 (Q; s) sous la contrainte (1.4.9). 16 Nous notons les optimums de ces deux problemes respectivement par P1 et P2 et nous designons les points (Q; s) ou ces optimums sont atteints respectivement par (Q1 ; s1 ) et (Q2 ; s2 ). Calcul de (Q1 ; s1 ) La resolution du probleme 1 se fait simplement en observant que P1 est independante de Q et en notant egalement que P1 (s) est une fonction croissante de s. Ainsi, P1 sera maximum pour la valeur optimale de s qui verie la contrainte (1.4.9). Cette valeur maximum s'obtient en resolvant : @s = 0; @Q et nous donne r 2AD Q1 = QW = : (1.4.10) r Finalement, en reportant cette valeur de Q = Q1 dans (1.4.9), nous obtenons que 1 h s1 = + K p i 2ADr : (1.4.11) r Remarque 1.4.1 Notons que le calcul du point (Q1 ; s1 ) ne presente aucune diÆculte. De plus, puisque on ne veut pas avoir un stock de securite negatif, alors on doit avoir s1 ce qui impose la contrainte sur les donnees : p K 2ADr : (1.4.12) Calcul de (Q2 ; s2 ) La resolution du probleme 2 s'obtient par la methode de Lagrange qui consiste a trouver Q; s; ~ tel que : rP2(Q; s) = ~ rC (Q; s) ; (1.4.13) ou r est l'operateur gradient, ~ est le facteur de proportionnalite entre les deux gradients et ou Q AD + + s r K : C (Q; s) = Q 2 Le membre de gauche de (1.4.13) necessite de calculer au passage @P2 =@s qui s'obtient par la formule de derivation d'une integrale de Leibniz. On obtient que @P2 = P1 (Q; s) 1 : @s 17 Ainsi, le systeme (1.4.13) devient donc, 8 > > > < > > > : b(s) = Q2 1 P1 (Q; s) = Q ~ AD 1 + r Q2 2 ~ ; r ou aussi, Q et r doivent verier la contrainte (1.4.9). On obtient de ces equations que Q2 et s2 ) doivent satisfaire le systeme non lineaire : q Q2 = R(s) + R2 (s) + Q2W K s2 = + r ou R(s) = 1 Q2 Q+ W 2 Q b(s) : 1 P1 (s) (1.4.14) ; (1.4.15) (1.4.16) Le calcul du point (Q2 ; s2 ) necessite d'eectuer la resolution d'un probleme non lineaire qui pose des diÆcultes aux methodes analytiques lorsque on utilise des lois de densite particulieres. Nous developperons donc, pour contourner cette diÆculte, une methode numerique. Ce sera l'objet du chapitre 2. Remarque 1.4.2 Notons aussi, an d'assurer que le stock de securite soit non negatif, que nous devrons verier que s2 . 1.5 Le point d'indierence Dans cette section, nous supposons que la loi de densite de la demande pendant le delai de livraison appartient a une famille de distribution connue dont tous les parametres sauf un sont xes. Nous noterons ce parametre libre de facon generique . Nous aborderons plus en detail le type de lois considerees en contexte de gestion des stocks a la section suivante et a l'annexe A. Ainsi, en general, pour une valeur donnee de , les valeurs optimales des mesures de niveau de service, P1 et P2 , sont distinctes. Il est donc naturel de chercher pour quelle(s) valeur(s) de ces quantites concident. Ce point d'indierence permet donc de preciser des plages de valeurs du domaine de variation du parametre qui indiquent qu'une valeur optimale de mesure de niveau de service est superieure a l'autre. Ceci donne donc lieu a la denition suivante qui est fondamentale pour la suite de notre travail. 18 Definition 1.5.1 Considerons une famille de lois de distribution qui dependent du parametre . Le point d'indierence des mesures de niveau de service P1 et P2 est la valeur ind telle que les valeurs optimales de deux mesures de niveau de services P1 et P2 concident. Il est important de souligner que P1 et P2 dependent des quantites A, D, , r et K puisque ce sont des optimums qui satisfont la contrainte (1.4.9). Ainsi, ind est a son tour fonction de ces 5 quantites. Remarque 1.5.1 La recherche du point d'indierence, nous conduit a notre question specique de recherche : pour une famille de lois donnees, quelle est la valeur du parametre tel que les valeurs optimales de deux mesures de niveau de services P1 et P2 concident ? Cette question se traduit par la formulation du probleme mathematique suivant : Probleme 3 Trouver tel que P1 = P2 . Dans le cas ou la loi de distribution de la famille consideree est l'exponentielle, la resolution du probleme 3 peut se faire par une methode analytique (Zeng et Hayya, [26]). Cependant, des methodes numeriques doivent ^etre envisagees pour resoudre ce probleme lorsqu'on utilise d'autres loi de distribution. Dans l'article de 1999 de Zeng et Hayya, nous retrouvons des calculs numeriques de points d'indierence pour certaines valeurs de parametre de la loi de Weibull et de la loi Gamma. Cependant, une methode numerique systematique semble faire defaut et constitue donc notre piste de recherche. Le developpement d'une telle approche est la contribution majeure de notre travail est l'objet du chapitre 2 du present memoire. En particulier, cela nous permettra d'obtenir des valeurs numeriques tres precises comparativement a ce qui a ete publie dans [26] et, par ailleurs, cette procedure numerique nous permettra de calculer des valeurs de points d'indierence pour de nouvelles distributions qui ont ete laissees en plan jusqu'a present. Nous illustrerons ces dernieres contributions au chapitre des applications de ce memoire. 1.6 Lois de probabilite utilisees en gestion de stock En gestion des stocks des produits nis, les lois de distributions de la demande doivent presenter les caracteristiques generales suivantes [7], [22] : 19 a) le domaine de denition de ces lois de densites est x 0, ce qui correspond a des valeurs positives de la demande, b) lorsque le niveau de la demande des articles augmente, les distributions observees changent : d'une decroissance monotone a des distributions unimodales tres asymetriques vers la droite et nalement a des distributions quasi-normales (tronquees a zero). En gestion des stocks, les lois de probabilites les plus frequemment rencontrees dans la litterature sont : l'exponentielle, la distribution gamma et celle de Weibull. Toutefois il existe une multitude d'autres lois qui peuvent remplir les exigences enumerees cihaut mais qui sont soit moins utilisees ou qui sont des cas particuliers des trois lois enumerees ci-haut. Nous en donnerons un exemple au chapitre des applications avec la loi de Rayleigh. Mentionnons egalement que la loi normale, sous forme tronquee, peut presenter un inter^et pour modeliser les distributions rencontrees en gestion des stocks. Nous en verrons un exemple au chapitre des applications. A l'annexe A, nous donnons un bref rappel des lois utilisees dans le cadre de ce memoire. 20 Chapitre 2 Calcul du point d'indierence par une methode analytique-numerique Dans ce chapitre, nous presentons les elements de la methode de calcul a partir de laquelle nous avons developpe un programme ecrit en Maple permettant d'obtenir, pour des familles de lois donnees, la valeur recherchee d'un point d'indierence. 2.1 Reformulation des calculs a eectuer Nous pouvons simplier les expressions de Q1 , s1 , Q2 , s2 en posant K K = : r (2.1.1) Par ce changement de notation, nous obtenons en fonction de K et de QW : Q1 = QW (2.1.2) s1 = + K QW (2.1.3) et Q2 , s2 sont solution du systeme non lineaire : q Q = R(s) + R2 (s) + Q2W s = + K ou R(s) = 1 Q2 Q+ W 2 Q b(s) : 1 P1 (s) 21 (2.1.4) ; (2.1.5) Et par ailleurs, la contrainte (1.4.12) sur les donnees devient simplement : K QW ; (2.1.6) et la contrainte (1.4.9) devient : Q2W Q + + s = K : 2Q 2 (2.1.7) Apres le changement de variable (2.1.1) la remarque (1.5.1) ramene la dependance du point d'indierence ind a celle des deux quantites K et QW . Remarque 2.1.1 2.2 Calcul de P1 et de P2 Comme mentionne a la section 4 du chapitre 1, le calcul de P1 est immediat. Il en va dieremment pour le calcul de P2 qui, pour xe, necessite de resoudre un probleme non lin neaire.o Pour n ceofaire, nous utilisons une methode de point xe qui genere deux (i) suites Q2 et s(2i) telle que, lorsque i ! 1, Q(2i) ! Q2 et s(2i) ! s2 . Methode de point xe Soit Q(0) et s(0) donnes. Nous calculons Q(2i+1) et s(2i+1) a partir de Q(2i) et s(2i) comme 2 2 suit : Q i s i ( +1) 2 ( +1) 2 q = R(s ) + R2 (s(2i) ) + Q2W i ( ) 2 1 (i) Q2W Q + 2 2 Q(2i) = + K (2.2.8) ! : (2.2.9) A notre connaissance, une telle methode a deja ete utilisee dans un contexte voisin par Nedzela et Gianini, [16]. Le point de depart de la methode de point xe demeure a choisir pour appliquer cet algorithme. Nous avons pris comme point de depart : Remarque 2.2.1 Q(0) = Q1 2 s(0) = s1 : 2 22 Le critere d'arr^et pour contr^oler la precision des calculs obtenus par cette methode de point xe peut prendre plusieurs formes. Nous avons employes js i ( +1) 2 s(2i) s(2i) j j Qi + ( +1) 2 Q(2i) Q(2i) j < T OL ; ou T OL est une tolerance determinee par l'utilisateur du programme. Finalement, notons qu'une analyse numerique complete du probleme de point xe mentionne ci-haut demeure a faire : existence de solution, nombre de points xes, : : : 2.3 Calcul de R(s) Il demeure une diÆculte que nous n'avons pas su resoudre par une methode entierement numerique et c'est pour cette raison que notre code repose en partie sur une demarche analytique. C'est aussi pour cette raison que le langage de programmation utilise est Maple qui est aussi un logiciel de mathematique symbolique. Des logiciels de calcul symbolique tels Maple et Mathematica permettent lorsque c'est possible de calculer R(s) par l'intermediaire de fonctions speciales. La diÆculte rencontree dans le calcul de R(s) est la suivante : pour de grande valeur de s, le numerateur et le denominateur de R(s) sont numeriquement nuls. Nous avons bien sur songe a reecrire R(s) (changement de variables) pour obtenir des quantites de calcul de taille raisonnable mais, dans ce cas, la recherche des points xes du calcul de P2 a a son tour occasionne des diÆcultes. Ainsi, le code qui resulte de notre travail est a la fois analytique et numerique et permet donc d'^etre utilise dans la recherche de point d'indierence pour les cas ou Maple est capable d'evaluer symboliquement R(s). Nous indiquons maintenant, les fonctions R(s) obtenues a l'aide de Maple et qui jouent un r^ole dans le chapitre des applications traitees dans ce memoire. 2.3.1 Cas de la loi exponentielle E () Dans ce cas, b(s) = e s = et P1 (s) = 1 e s , et on obtient 1 qui est une quantite independante de s. C'est pour cette raison qu'il est possible de resoudre analytiquement le probleme 3 dans le cas de la loi exponentielle. R(s) = 23 2.3.2 Cas de la loi de Weibull W (b; 1=2) Dans ce cas aussi il est possible d'expliciter les fonctions b(s) et P1 (s) servant au calcul de R(s). En eet, R(s) = 2b 1 + s 1=2 : b Mais, par notre choix du langage de programmation, ce calcul fastidieux est pris en charge par Maple. C'est pour cette raison que nous avons pu etendre aisement nos applications a des cas pour lesquels le calcul de R(s) devient fort complexe. Indiquons ici l'expression equivalente generee par Maple : R := limit ( exp( sqrt(x=b)) x 2 sqrt(x=b) exp( sqrt(x=b)) b 2 exp( sqrt(x=b)) b + exp( sqrt(x=b)) s +2 exp( sqrt(s=b)) b sqrt(s=b) + 2 exp( sqrt(s=b)) 2.3.3 Cas de la de Weibull avec W (b; 1=3) Dans le cas de la loi de Weibull avec c = 1=3, l'expression de R(s) generee par Maple est encore de taille raisonnable : R := limit ( exp( (x=b) ^ (1=3)) x 3 (x=b) ^ (2=3) exp( (x=b) ^ (1=3)) b 6 (x=b) ^ (1=3) exp( (x=b) ^ (1=3)) b 6 exp( (x=b) ^ (1=3)) b +exp( (x=b) ^ (1=3)) s + 3 exp( (s=b) ^ (1=3)) b (s=b) ^ (2=3) +6 exp( (s=b) ^ (1=3)) b (s=b) ^ (1=3) + 6 exp( (s=b) ^ (1=3)) b; x = innity)=exp( (s=b) ^ (1=3)) Cependant, pour d'autres valeurs de ce parametre, l'expression de R(s) devient fort complexe et fait intervenir des fonctions speciales que nous ne voudrons pas considerer ici. Mais, soulignons tout de m^eme que le programme que nous avons concu permet de calculer le point d'indierence m^eme dans ces cas puisque Maple prend en charge le calcul de R(s). 2.3.4 Cas de la loi de Rayleigh R() Le cas de la loi de Rayleigh correspond au cas de la loi de Weibull avec la valeur particuliere c = 2. En eet, W (; 2) = R(2 ). 24 L'expression de R(s) calculee par Maple est la suivante, ou nous devons faire la substitution ! 1=2 dans le cas ou c'est la fonction R(s) de R() qui nous interesse : R := limit (1=2 ( 2 x exp( x ^ 2=) exp(x ^ 2=) + ^ (3=2) sqrt(P i) erf(1= ^ (1=2) x) exp(x ^ 2=) + 2 s ^ (3=2) sqrt(P i) erf(s= ^ (1=2)) exp(x2 =))==exp(x ^ 2=); x = innity) =exp( s2 =) 2.3.5 Cas de la loi Gamma avec a = 1=2 L'expression de R(s) calculee par Maple dans ce cas est : R := limit (( a ^ 2 x ^ 2 exp( a x) 2 a x exp( a x) 2 exp( a x) + s exp( a x) a ^ 2 x + s exp( a x) a +2 exp( a s) + exp( a s) a s)=a; x = innity) =(exp( a s) a s + exp( a s)) 2.3.6 Cas de la loi Gamma generale Dans le cas general, en notant I (; ) la fonction gamma incomplete, nous avons que F (s) = I (as; ) [1 I (as; + 1)] s [1 I (as; )] ; a ce qui nous permet d'obtenir une expression calculatoire de R(s). Mais, soulignons encore une fois que nous avons cone cette t^ache a Maple sans avoir a conna^tre ces derniers resultats. b(s) = 2.4 Calcul approche du point d'indierence Supposons K et QW donnes et veriant l'hypothese (2.1.6). 1) Nous construisons la fonction H () = P1 () P2() : 2) Nous trouvons deux valeurs et telle que le signe de H () et de H ( ) soient dierents. La continuite de la fonction H , sur l'intervalle [; ], decoule de la continuite des fonctions P1 et P2 . 25 3) Nous appliquons la methode de la bissection a la fonction H () sur l'intervalle [; ] c'est-a-dire que nous construisons iterativement une suite de valeurs approchees fng telle que n ! ind lorsque n ! 1. Rappelons brievement le fonctionnement de cette methode : i) On pose + : 2 ii) Si sgnH (0 ) = sgnH (), on pose = 0 , sinon on pose = 0 , ou sgn designe le signe de la fonction H au point considere, et on retourne a l'etape i). = Les ainsi obtenus constituent la suite fn g a calculer. Encore une fois il faut choisir un critere d'arr^et pour cette methode. Nous avons pris le critere suivant : Remarque 2.4.1 max (H (n); jn n j) T OL ; ou T OL est une tolerance determinee par l'utilisateur du programme. Ce critere nous assure donc que l'intervalle de recherche du point d'indierence est de petite taille ET que la fonction H est petite au point approche de ind . 26 Chapitre 3 Applications Dans ce chapitre, nous presentons, pour plusieurs lois de probabilite utilisees en gestion de stock, les calculs obtenus a l'aide du programme de l'annexe B dont la fonction est de resoudre le probleme 3, enonce au chapitre 1, par le biais des methodes numeriques presentees au chapitre 2. Pour chaque loi traitee, nous indiquons les valeurs des parametres du programme qui ont ete utilisees soit K , QW et les bornes et de l'intervalle de recherche du point d'indierence. Nous donnons la valeur ind correspondante et, an de comparer nos resultats avec ceux de [26], nous calculons la quantite QW =ind ou ind est l'ecart-type de la distribution ayant ind comme parametre. Finalement, en n de chapitre, nous indiquons, pour les lois de Weibull et gamma, un resultat simplicateur qui traduit que la quantite QW =ind ne depend que du seul W. rapport de K=Q 3.1 Cas de la loi exponentielle 3.1.1 Cas de la loi exponentielle E () Les valeurs suivantes des parametres du programme ont ete utilisees : QW K ind QW =ind 1000 4000 0.00001 0.001 0.00033443789 0.33443789 Tab. 3.1: Cas de l'exponentielle 27 Dans le cas de la distribution exponentielle, il est a noter qu'un changement des valeurs de K et QW ne perturbe pas le rapport QW =ind . Ce resultat est demontrer dans [26]. Cependant, remarquons que ce resultat n'est pas vrai en general. Nous en donnerons des exemples aux prochaines sections. Remarque 3.1.1 3.1.2 Approximation de la loi normale N (; 2) par l'exponentielle Par souci de completude, nous indiquons ici le resultat de l'analyse de Schroeder, [21], dans le cas de la loi normale. Ce dernier, propose l'approximation suivante de la loi normale : ab f (k) = exp( bk) ; ou k = (x )= et ou a et b sont des constantes a determiner. On peut donc ainsi utiliser le resultat obtenu ci-haut dans le cas de la loi exponentielle pour deduire que b QW =ind = 0:33443789. 3.2 Cas de la loi de Weibull W (b; c) 3.2.1 Le cas c = 1=2 Dans le cas c = 1=2, les valeurs suivantes des parametres du programme ont ete utilisees : QW K ind QW =ind 1000 4000 200 300 264.8446953 0.84429404 1200 4800 200 400 317.8136221 0.84429407 Tab. 3.2: Cas Weibull : c = 1=2 Le programme indique que la valeur QW =ind semble la m^eme lorsque le rapport K=QW est maintenu xe. Nous demontrerons la veracite de cette observation a la section 3.4. Remarque 3.2.1 Dans l'article [26], la valeur approximative donnee pour ind est 0:8439. Nous avons donc obtenu par notre methode un gain de precision. Remarque 3.2.2 Nous avons egalement repris ces calculs avec les parametres suivants : 28 QW K ind QW =ind 1000 6000 200 300 212.8431417 1.05057084 = 6000 Tab. 3.3: Cas Weibull : c = 1=2, QW = 1000, K Apres avoir enonce le resultat de la section 3.4, nous donnerons un tableau de resultats plus complet. 3.2.2 Le cas c = 1=3 Dans le cas c = 1=3, les valeurs suivantes des parametres du programme ont ete utilisees : QW K ind QW =ind 1000 4000 10 30 16.979459310 2.2518948 1200 4800 10 30 20.375361490 2.2518936 Tab. 3.4: Cas Weibull : c = 1=3 ce qui, encore une fois, renforce l'idee que la valeur QW =ind est la m^eme lorsque le W est maintenu xe. rapport K=Q 3.2.3 Le cas c = 2 : la loi de Rayleigh R(2) Dans le cas c = 2, les valeurs suivantes des parametres du programme ont ete utilisees : QW K ind QW =ind 1000 4000 10000 16000 12105.206 0.17832453 1200 4800 10000 16000 14526.247 0.17832453 Tab. 3.5: Cas Weibull : c = 2 ce qui nous vaut la m^eme remarque que precedemment. 3.2.4 Quelques cas supplementaires Finalement, dans cette sous-section, nous dressons un tableau des valeurs obtenues du rapport QW =ind en fonction du parametre forme c de la loi de Weibull : 29 c 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 QW =ind 19.9709924 1.36068537 0.62193573 0.42524875 0.33443791 0.28073406 0.24426615 0.21724129 0.19592716 0.17832453 = 4000 Tab. 3.6: Cas de la loi Weibull : QW = 1000, K 3.3 Cas de la loi gamma G (a; ) Dans le cas de la loi gamma, nous obtenons le tableau 3.7 qui donne l'evolution du point d'indierence en fonction du parametre forme de la loi gamma. Pour la valeur = 1:0, on obtient bien la m^eme valeur que celle obtenue dans le cas de la loi exponentielle. Remarque 3.3.1 Nous avons a nouveau observe pour cette loi que le rapport seul W determine la valeur de la quantite QW =ind . Nous montrerons ce resultat a de K=Q la section 3.4 Remarque 3.3.2 Finalement, les graphiques de la gure 3.1 illustrent les relations de ind et de QW =ind en fonction de 2 [0:5; 2:0] : 30 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 .001 0:5 0:6 0:7 0:8 0:9 1:0 1:1 1:2 1:3 1:4 1:5 1:6 1:7 1:8 1:9 2:0 ind (10 3 ) 0.2994686 0.3072545 0.3145821 0.3215266 0.3281326 0.3344379 0.3404810 0.3462815 0.3518899 0.3572950 0.3625241 0.3675912 0.3725300 0.3773175 0.3819800 0.3865246 QW =ind 0.4235125 0.3966639 0.3759975 0.3594777 0.3458821 0.3344379 0.3246359 0.3161103 0.3086279 0.3019694 0.2959997 0.2906064 0.2857175 0.2812358 0.2771174 0.2733142 = 4000 Tab. 3.7: Cas de la loi gamma : QW = 1000, K 3.4 Un resultat d'invariance La recherche d'un point d'indierence ind s'eectue en fonction des deux valeurs K et QW . En eet, comme l'indiquent les tableaux 3.2, 3.4 et 3.5, dans le cas de la loi de W est preserve, la valeur du parametre ind est Weibull, m^eme lorsque le rapport K=Q modiee. Cependant, comme le montrerons les prochains resultats, lorsque le rapport W est preserve, nous savons comment ind sera modiee en fonction de K et QW K=Q et, de plus, nous montrerons que le rapport QW =ind demeure a son tour constant. Remarque 3.4.1 Nous pouvons reexprimer la fonction R(s) comme suit : b(s) R(s) = 1 F (s) = R1 s (x R = R1 (x s R 1 s)fX (x) dx fX (x) dx 0 s s)fX (x) dx 1 s fX (x) dx 31 ; 0.4 0.5 0.38 0.45 0.36 0.4 0.34 0.35 0.32 0.3 0.3 0.25 0.28 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 0.2 0.4 2 0.6 0.8 1 1.2 1.4 1.6 t t ind vs QW =ind vs 1.8 2 Figure 3.1: Representation graphique du tableau 3.7 et donc, pour > 0, R(s) = R1 s (Rx s)fX (x) dx 1 s fX (x) dx = R1 s (y R s)fX (y ) dy = R1 (y s R s)fX (y ) dy 1 s fX (y ) dy 1 s fX (y ) dy ; ou on a pose x = y . Finalement, puisque y est une variable muette, nous pouvons la remplacer par x et obtenir que R(s) R1 (x = s R s)fX (x) dx 1 s fX (x) dx : (3.4.1) Au besoin, an de mettre en evidence les valeurs des parametres (ex.: b, c ou a, ) utilises de la loi de distribution sous-jacente au calcul de R(s), nous ecrirons R(b; c ; s) ou encore R(a; ; s). Notation 3.4.1 Lemme 3.4.1 Soit > 0, a) Pour la loi de Weibull, R(b; c ; s) = R(b; c ; s), b) Pour la loi gamma, R(a=; ; s) = R(a; ; s). 32 En eet, Demonstration a) pour la loi de Weibull W (b; c), i.e. ou on a utilise le parametre echelle b, c x c 1 exp b b 1 = fX (b; c ; x) ; fX (b; c ; x) = x c b et donc, de (3.4.1), R(b; c ; s) = R1 (x s R s)fX (b; c ; x) dx = R1 (x s R s)fX (b; c ; x) dx 1 s fX (; x) dx 1 s fX (b; c ; x) dx = R(b; c ; s) : b) pour la loi gamma G (a=; ), i.e. ou on a utilise le parametre echelle a=, (a=) (x) 1 e fX (a=; ; x) = ( ) 1 = fX (a; ; x) ; a=)(x) ( et donc, de (3.4.1), R(a=; ; s) = R1 (x s R s)fX (a=; ; x) dx = R1 (x s R s)fX (a; ; x) dx 1 s fX (a=; ; x) dx 1 s fX (a; ; x) dx = R(a; ; s) : En utilisant le lemme 3.4.1, on etablit le theoreme d'invariance suivant : Theoreme 3.4.1 W. a) Pour la loi de Weibull, la quantite QW =ind ne depend que du rapport K=Q W. b) Pour la loi gamma, la quantite QW =ind ne depend que du rapport K=Q 33 Nous n'etablissons la demonstration que dans le cas de la loi de Weibull puiqsque dans le cas de la loi gamma l'argumentation se fait de la m^eme facon. Demonstration Soit c xe, le parametre forme de la loi de Weibull. Soit K et QW donnes et veriant la contrainte (2.1.6), et soit > 0 xe. Eectuons le changement d'echelle K QW ! K ! QW ; W soit preserve pour tout . Pour i = 1; 2, notons comme de sorte que le rapport K=Q a l'habitude (Qi ; si ) le point ou l'optimum de Pi est atteint, avec un parametre echelle b, lorsqu'on utilise K comme budget et la quantite de Wilson QW , et notons (Qi; ; si;) le point ou l'optimum de Pi est atteint, avec un parametre echelle ~b, lorsqu'on utilise plut^ot K et QW . Dans ce dernier cas, puique la contrainte budgetaire est ( QW )2 Q + +s 2Q 2 ou ~ est la moyenne de la loi de Weibull pliquent que ~ = K ; (3.4.2) W (~b; c), les relations (2.1.2) et (2.1.3) im- Q1; = QW = Q1 (3.4.3) s1; = ~ + K (3.4.4) QW : Donc, en utilisant comme parametre echelle de la loi de Weibull ~b = b pour b donne, puisque de facon generale 1 =b 1+ c (voir annexe A, section A.3), nous avons ~ = ~b 1 1+ = b c 1 1+ = : c (3.4.5) Donc, en portant (3.4.5) dans (3.4.4), on obtient que s1; = + K QW = ( + K QW ) = s1 ; (3.4.6) i.e., en resume, que pour ~b = b, Q1; = Q1 (3.4.7) s1; = s1 : (3.4.8) 34 De m^eme, le systeme (2.1.4) et (2.1.5) est satisfait, pour un choix de b = bind et ~b = bind , par Q2; = Q2 (3.4.9) s2; = s2 : (3.4.10) En eet, pour ces choix de (Q2; ; s2; ), le lemme 3.4.1 a) nous donne que R(s2; ) = R(~b; c ; s2;) = R(bind ; c ; s2 ) = R(bind ; c ; s2 ) = R(s2 ) ; et donc on a bien que Q = R(s2; ) + 2; q R2 (s2; ) + ( QW )2 q = R(s2 ) + R2 (s2 ) + Q2W = Q2 ; et que s ; 2 = ~ + K ( QW )2 1 Q2; + 2 Q2; = ind + K = s2 ; 1 Q2W Q + 2 2 Q2 i.e. que le choix (3.4.9) et (3.4.10) est coherent pour le systeme (2.1.4) et (2.1.5). l'optimum de Pi , montrons qu'au point (Q ; s ) nous avons Ainsi, en notant Pi; i; i; = P . En eet, en posant le changement de variable x = y comme a la remarque Pi; i 3.4.1, on obtient que 35 P 1 Z s 1; = ; Z s 1 = 0 = = 2 ; 0 Z s 1 0 0 et que fX (bind ; c ; x) dx Z s 1 Z s 1 = P fX (bind ; c ; x) dx 0 fX (bind ; c ; y ) dy 1 f (b ; c ; y ) dy X ind fX (bind ; c ; y ) dy = P1 : R1 s2; (x = 1 s2; )fX (bind ; c ; x) dx Q2; R1 s2 (x = 1 s2 )fX (bind ; c ; x) dx Q2 R1 s2 (y = 1 s2 )fX (bind ; c ; y ) dy Q2 R1 s2 (y = 1 (3.4.11) s2 )fX (bind ; c ; y ) dy = P2 : Q2 (3.4.12) Donc, si au point d'indierence bind on a P1 = P2 , les egalites (3.4.11) et (3.4.12) font que bind est un point d'indierence pour le changement d'echelle propose car on a bien que P1; = P2; . Finalement, puisque s ~ = ~b 2 1+ c 1 1+ c 2 (voir annexe A, section A.3), on a que s ~ = bind et donc le rapport d'echelle . QW ~ = QW ind 2 1+ c = QW ind , 1 1+ c 2 = ind ; qui est invariant par rapport au changement 36 Le theoreme 3.4.1 montre qu'il aurait ete possible, pour les distributions de la loi de Weibull et de la loi gamma, de developper un programme partic W et du facteur ulier de recherche de points d'indierence en fonction du rapport K=Q . Nous ne l'avons pas fait puisque nous voulions une methode generale qui puisse s'appliquer a d'autres types de lois de distribution qui ne satisfairont pas le lemme 3.4.1. Remarque 3.4.2 Definition 3.4.1 Nous denissons le parametre de normalisation N= K : QW Suite au theoreme 3.4.1, il devient pertinent de presenter, pour les lois de Weibull et gamma, l'evolution de QW =ind en fonction du parametre de normalisation N . C'est ce que nous donnons ci-bas dans le cas de la loi Weibull pour les valeurs c = 1=2 et c = 1=3 du parametre forme : N QW =ind ; c = 1=2 QW =ind ; c = 1=3 2.25 0.66068544 1.19577517 2.50 0.68718065 1.33189456 2.75 0.71357256 1.47298083 3.00 0.73986971 1.61896997 3.25 0.76608391 1.76986991 3.50 0.79222718 1.92566330 3.75 0.81829362 2.08633516 4.00 0.84429404 2.25189477 4.25 0.87024065 2.42231411 4.50 0.89613361 2.59759304 4.75 0.92197319 2.77773230 5.00 0.94776664 2.96275682 5.25 0.97352203 3.15261651 5.50 0.99924002 3.34733041 5.75 1.02492444 3.54692084 6.00 1.05057084 3.75137259 Tab. 3.8: Cas de la loi de Weibull : QW =ind vs N 37 ce qui donne sous forme graphique 1.2 4 1.1 3.5 1 3 0.9 2.5 0.8 2 0.7 1.5 0.6 2 3 4 5 1 6 QW =ind vs N , cas Weibull, c = 1=2 2 3 4 5 6 QW =ind vs N , cas Weibull, c = 1=3 Figure 3.2: Representation graphique du tableau 3.8 Pour le cas c = 1=2 il semblerait bien que la relation de QW =ind en fonction de N soit lineaire. Ceci suggere qu'une approche analytique puisse ^etre developpee pour le calcul des points d'indierence dans ce cas particulier. Cependant, la relation n'est pas lineaire pour le cas c = 1=3 et en general. Des remarques analogues peuvent ^etre faites dans le cas de la loi gamma. 38 Conclusion Dans ce memoire, nous avons etudie deux indicateurs de performance, utiles aux gestionnaires, que sont les mesures de niveaux de services P1 , la probabilite de non rupture de stock, et P2 , le taux de satisfaction. Ces deux instruments sont souvent confondus par les praticiens ou, m^eme lorsqu'ils en font une distinction, ces derniers n'arrivent pas toujours a etablir un lien, une jonction evidente. Nous avons donc etudie le concept de point d'indierence des mesures de niveau de service P1 et P2 pour une famille de lois parametriques. Ce point d'indierence est precisement la valeur du parametre de la famille de lois pour laquelle les optimums des mesures de niveau de service concident. Ceci fait bien ressortir qu'au point d'indierence les mesures sont confondues du point de vue pratique, c'est-a-dire qu'elles ont une valeur commune. Mais, il n'en va pas de m^eme pour tout autre choix du parametre ! Par consequent, il devient interessant de calculer ce point d'indierence ce qui a ete la question principale de recherche de ce memoire. Suivant [26], dans le cas particulier de la loi exponentielle, nous pouvons calculer le point d'indierence par une methode analytique. Cependant, pour d'autres familles de lois, cette approche ne fonctionne plus et des methodes numeriques doivent ^etre envisagees. C'est la la principale contribution de ce memoire. Par la suite, ayant construit un programme informatique implantant ces methodes numeriques, nous avons ete en mesure d'obtenir les points d'indierence pour de nouvelles distributions qui n'avaient pas ete considerees dans la litterature. C'est le cas notamment pour la distribution de Rayleigh et la distribution de Weibull qui, soulignons le, permet dans la pratique de couvrir des situations de demande pendant le delai de livraison de nature tres diverses. De plus, les calculs issus de notre methode se sont reveles plus precis que ceux obtenus pour les distributions traitees jusqu'a present. Cependant, puisque le calcul de R(s) repose sur une demarche analytique, le code que nous avons produit n'est pas entierement numerique. Pour contourner cette diÆculte, nous avons cone la lourde t^ache des calculs analytiques de R(s) au logiciel de mathematiques symboliques Maple. Une amelioration a ce niveau serait souhaitable, 39 ce qui permettrait d'envisager le calcul de points d'indierence pour des distributions pour lesquelles Maple n'arriverait pas a evaluer R(s). Mentionnons tout de m^eme que nous n'avons pas ete confronte a cette situation extr^eme. A notre avis, une autre contribution de ce memoire se situe au niveau de la presentation de la mesure du niveau de service P2 . En eet, la terminologie retrouvee dans la litterature pour designer b(s) n'est pas entierement satisfaisante. Nous avons prefere renomme cette fonction comme etant l'esperance de la quantite manquante a la n d'un cycle, ce qui evoque davantage le sens premier de b(s). Finalement, soulignons que la decomposition de la recherche du point d'indierence en trois problemes bien formules, facilite la comprehension de notre question specique de recherche tout en faisant mieux ressortir la complexite du probleme mathematique sous-jacent. 40 Annexe A : Les distributions utilisees en gestion de stock Dans cette annexe, nous rappellons quelques resultats lies aux distributions utilisees dans ce memoire. A.1 Distribution exponentielle E () Une variable aleatoire continue X suit une loi exponentielle de parametre > 0 lorsque sa fonction de densite est : 8 < exp ( x) ; pour x 0 ; fX ( ; x) = : 0; pour x < 0 ; et la fonction de repartition est : FX ( ; x) = 8 < : 1 exp ( x) ; pour x 0 ; 0; pour x < 0 : La moyenne et l'ecart type sont identiques et valent 1=. A.2 Distribution normale N (; 2) Une variable aleatoire continue X qui suit une loi normale de moyenne et de variance 2 a pour fonction de densite : 1 fX (; 2 ; x) = p exp (x )2 =(2 2 ) ; pour 1 x 1 : 2 L'approximation de cette loi qui est utilisee a la section (3.1.2) est, voir [21] : ab f (k) = exp( bk) ; ou k = (x )= et ou a et b sont des constantes a determiner. 41 A.3 Distribution de Weibull W (b; c) Une variable aleatoire continue X suit une distribution de Weibull de parametres b > 0 et c > 0 si sa densite est donnee par : 8 c 1 x c < c x exp ; pour x 0 ; b fX (b; c ; x) = b b : 0; pour x < 0 : et la fonction de repartition s'ecrit : FX (b; c ; x) = 8 < : x c b 1 exp pour x 0 ; ; pour x < 0 : On appelle b le parametre echelle de la distribution tandis que c est le module qui determine la forme de la distribution. Dans ce cas, la moyenne et la variance de cette distribution s'ecrivent respectivement : =b 1 1+ c et 0; 2 = b2 ( 2 1+ c est la fonction gamma denie pour x 0 par ou (x) = Z 1 0 1 1+ c 2 ) ; tx 1 e t dt : La gure (A.1) montre la forme de la fonction densite pour certaines valeurs du parametre c ou b = 1 : Remarque A.3.1 Si c = 1, la fonction de densite de la distribution de Weibull devient une distribution exponentielle de parametre 1=b ; Si c = 2, la fonction de densite de la distribution de Weibull devient alors une distribution de Rayleigh avec le parametre 2 . Nous presentons cette ditribution dans la prochaine section de cette annexe. A.4 Distribution de Rayleigh R() Une variable aleatoire continue X suit une distribution de Rayleigh de parametre > 0 si sa densite est donnee par : 8 < 2 x exp x2 = ; pour x > 0 ; fX ( ; x) = : 0; pour x < 0 : 42 2 1.5 c = 1=2 1 c=4 # 0.5 c=1 c=2 c = 1=3 0 0.5 1 1.5 2 2.5 3 x x Figure A.1 : Loi de Weibull pour c = 1=3; 1=2; 1; 2; 4 Pour cette loi, la moyenne et la variance de cette distribution s'ecrivent respectivement : p et 2 = 1 : 2 4 La gure (A.2) montre la forme de la fonction densite pour certaines valeurs du parametre . = A.5 Distribution de la loi G (a; ) Une variable aleatoire continue X suit une distribution gamma de parametres a > 0 et k > 0 si sa densite est donnee par : 8 > < a x 1 e ax ; pour x 0 ; ( ) fX (a; ; x) = > : 0; pour x < 0 : ou a est le parametre echelle de la distribution tandis que est le module qui determine la forme de la distribution. Notons que la moyenne et la variance de cette distribution 43 1.2 = 1=2 1 =1 0.8 0.6 =2 0.4 0.2 0 0.5 1 1.5 2 2.5 3 x x Figure A.2 : Loi de Rayleigh pour = 1=2; 1; 2 s'ecrivent respectivement : et 2 = 2 : a a La fonction de repartition de la loi gamma s'ecrit : = FX (a; ; s) = I (as; ) ; ou I (; ) la fonction gamma incomplete. La gure (A.3) montre la forme de la fonction densite pour certaines valeurs du parametre ou a = 2. Remarque A.5.1 Pour 0 < 1, la distribution est decroissante monotone et en particulier pour = 1 la distribution gamma concide avec la distribution exponentielle. Pour > 1 la distribution est unimodale et asymetrique a droite. Lorsque ! 1, la distribution tend a la symetrie. 44 5 4 = 1=2 3 2 =1 1 0 =2 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 x Figure A.3 : Loi gamma pour = 1=2; 1; 2 45 2 Annexe B : Le programme de calcul du point d'indierence Le programme suivant, ecrit dans le langage Maple 7, est une implantation de la methode alaytique-numerique developpee au chapitre 2 de ce memoire. # PROGRAMME DE RECHERCHE D'UN POINT D'INDIFFERENCE # # ENTREES: 1. fonction de densite: f(x) ; # 2. Les valeurs de QW et KBAR # 3. Les bornes de l'intervalle de recherche du point # d'indiff erence : BMIN et BMAX. # 4. La pr ecision de la m ethode du point fixe. # 5. La pr ecision de la m ethode de bissection. # # SORTIES: 1. Le point d'indifference lambdaIND ou un message d'echec. # ptmort := proc() local f, FLAG, NAME, INP, OK, QW, KBAR, BMIN, BMAX, TOL1, TOL2, mu, sigma, Q1E, S1E, P1E, II, s0, Q0, R, Q1, s1, S2E, Q2E, P2E, FBMIN, FBMAX, OUP, JJ, C, PRECHERCHE, OK2, FPRECHERCHE, POINT INDIFFERENCE; # # Entrer de la loi de densite # --------------------------# ff := (1=(2 P P )) ((x=P P )^( 0:5)) exp( (x=P P )^(0:5)); f := unapply (ff; x; P P ); # # Lecture des donn ees # ------------------# 46 printf(`Choisissez:nn0 ); printf(`1. Lire les donnees a partir d'un fichier textenn0 ); printf(`2. Entrer les donnees manuellementnn0 ); FLAG := scanf(`%d`)[1]; if (FLAG = 1) then printf(`Entrez le nom du fichier (avec chemin) sous la forme drive:nnname.extnn0 ); NAME := scanf(`%s`)[1]; INP := fopen(NAME,READ,TEXT); else INP := default; end if; # # Saisie des donnees # -----------------# printf(`Entrer QW et KBAR (KBAR >= QW) ?nn0 ); # OK := FALSE; while (OK = FALSE) do QW := fscanf(INP,`%f`)[1]; KBAR := fscanf(INP,`%f`)[1]; if (QW > KBAR) then printf(`QW est sup erieure ou egale KBARnn0 ); else OK := TRUE; end if; end do; # OK := FALSE; while (OK = FALSE) do printf(`Entrer les bornes de l'intervalle de recherchenn0 ); printf(`Entrer la borne inferieure BMIN:nn0 ); BMIN := fscanf(INP,`%f`)[1]; printf(`Entrer la borne superieure BMAX:nn0 ); BMAX := fscanf(INP,`%f`)[1]; if (BMIN >= BMAX) then 47 printf(`BMIN est superieure ou egale BMAXnn0 ); else OK := TRUE; end if; end do; # printf(`Entrer la tolerance d esir ee pour la m ethode du point 0 fixe.nn ); # TOL1 := fscanf(INP,`%f`)[1]; # printf(`Entrer la tolerance d esir ee pour la m ethode de bissection.nn0 ); # TOL2 := fscanf(INP,`%f`)[1]; # modR := module() export calR; calR := (s)->(integrate((x-s)*ff,x=s..infinity))/(1-integrate(ff,x=0..s)); end module; # D ebut de la recherche du point mort sur l'intervalle consid er e # -------------------------------------------------------------# # Calcul en FBMIN # --------------# # Calcul de la moyenne et de l' ecart-type de f # -------------------------------------------# mu := integrate(x*f(x,BMIN),x=0..infinity); sigma := sqrt(integrate((x-mu)*(x-mu)*f(x,BMIN),x=0..infinity)); # # Calcul de P1* 48 # ------------# Q1E := QW; S1E := mu+KBAR-QW; P1E := int(f(x,BMIN),x=0..S1E); # # Calcul de P2* # ------------# OK := FALSE; II := 1; s0 := S1E; Q0 := Q1E; # if (KBAR < (Q0+(QW*QW)/Q0)/2) then printf(`Attention: Critere 00 non satisfait.nn0 ); end if; # PP := BMIN; while ((II < 30) and (OK = FALSE)) do R := modR:-calR(s0); Q1 := R+sqrt(R*R+QW*QW); s1 := mu+KBAR-(Q0+(QW*QW)/Q0)/2; if (abs((s1-s0)/s0)+abs((Q1-Q0)/Q0) < TOL1) then OK := TRUE; printf(`OK1 = TRUE: %dnn0 , II); printf(`s1, Q1: %12.10fnn %12.10fnn0 , s1, Q1); else II := II+1; s0 := s1; Q0 := Q1; end if; end do; # if (OK = FALSE) then return(1); end if; 49 # if (KBAR < (Q1+(QW*QW)/Q1)/2) then printf(`Attention: critre 01 non satisfait.nn0 ); end if; # S2E := s1; Q2E := Q1; P2E:=1-int((x-S2E)*f(x,BMIN),x=S2E..infinity)/Q2E; # FBMIN := P1E-P2E; printf(`FBMIN: %12.10fnn0 , FBMIN); # # Calcul en FBMAX # --------------# # Calcul de la moyenne et de l' ecart-type de f # -------------------------------------------# mu := integrate(x*f(x,BMAX),x=0..infinity); sigma := sqrt(integrate((x-mu)*(x-mu)*f(x,BMAX),x=0..infinity)); # # Calcul de P1* # ------------# Q1E := QW; S1E := mu+KBAR-QW; P1E := int(f(x,BMAX),x=0..S1E); # # Calcul de P2* # ------------# OK := FALSE; II := 1; s0 := S1E; Q0 := Q1E; # if (KBAR < (Q0+(QW*QW)/Q0)/2) then 50 OK := TRUE; printf(`Attention: Critere 10 non satisfait.nn0 ); end if; # PP := BMAX; while ((II < 30) and (OK = FALSE)) do R := modR:-calR(s0); Q1 := R+sqrt(R*R+QW*QW); s1 := mu+KBAR-(Q0+(QW*QW)/Q0)/2; if (abs((s1-s0)/s0)+abs((Q1-Q0)/Q0) < TOL1) then OK := TRUE; printf(`OK2 = TRUE: %dnn0 , II); printf(`s1, Q1: %12.10fnn %12.10fnn0 , s1, Q1); else II := II+1; s0 := s1; Q0 := Q1; end if; end do; # if (OK = FALSE) then return(2); end if; # if (KBAR < (Q1+(QW*QW)/Q1)/2) then printf(`Attention: critre 11 non satisfait.nn0 ); end if; # S2E := s1; Q2E := Q1; P2E:=1-int((x-S2E)*f(x,BMAX),x=S2E..infinity)/Q2E; # FBMAX := P1E-P2E; printf(`FBMAX: %12.10fnn0 ,FBMAX); # # Test du signe pour d emarrer la methode de bissection # ---------------------------------------------------- 51 # if (FBMIN*FBMAX > 0) then printf(`F(BMIN) and F(BMAX) sont de meme signe.nn0 ); return(3); end if; # printf(`Choisissez la destination de la sortie:nn0 ); printf(`1. Ecrannn0 ); printf(`2. Fichier textenn0 ); FLAG := scanf(`%d`)[1]; if (FLAG = 2) then printf(`crire le nom du fichier sous la forme drive: name.extnn0 ); NAME := scanf(`%s`)[1]; OUP := fopen(NAME,WRITE,TEXT); else OUP := default; end if; # # D ebut de la m ethode de bissection # --------------------------------# OK := FALSE; JJ := 1; while (JJ <= 50) and (OK = FALSE) do # C := (BMAX-BMIN)/2.0; PRECHERCHE := BMIN+C; # # Calcul de la moyenne et de l' ecart-type de f # -------------------------------------------# mu := integrate(x*f(x,PRECHERCHE),x=0..infinity); sigma := sqrt(integrate((x-mu)*(x-mu)*f(x,PRECHERCHE),x=0..infinity)); # 52 # Calcul de P1* # ------------# Q1E := QW; S1E := mu+KBAR-QW; P1E := int(f(x,PRECHERCHE),x=0..S1E); # # Calcul de P2* # ------------# OK2 := FALSE; II := 1; s0 := S1E; Q0 := Q1E; # if (KBAR < (Q0+(QW*QW)/Q0)/2) then printf(`Attention: Critere 20 non satisfait.nn0 ); end if; # PP := PRECHERCHE; while ((II < 30) and (OK2 = FALSE)) do R := modR:-calR(s0); Q1 := R+sqrt(R*R+QW*QW); s1 := mu+KBAR-(Q0+(QW*QW)/Q0)/2; if (abs((s1-s0)/s0)+abs((Q1-Q0)/Q0) < TOL1) then OK2 := TRUE; printf(`OK3 = TRUE: %dnn0 , II); else II := II+1; s0 := s1; Q0 := Q1; end if; end do; # if (OK2 = FALSE) then return(4); end if; 53 # if (KBAR < (Q1+(QW*QW)/Q1)/2) then printf(`Attention: critre 21 non satisfait.nn0 ); end if; # S2E := s1; Q2E := Q1; P2E:=1-int((x-S2E)*f(x,PRECHERCHE),x=S2E..infinity)/Q2E; # FPRECHERCHE := P1E-P2E; printf(`FPRECHERCHE: %3d %12.10f %12.10fnn0 , JJ, PRECHERCHE, FPRECHERCHE); # if ((abs(FPRECHERCHE) < TOL2) and (C < TOL2)) then mu := integrate(x*f(x,PRECHERCHE),x=0..infinity); sigma := sqrt(integrate((x-mu)*(x-mu)*f(x,PRECHERCHE),x=0..infinity)); POINT INDIFFERENCE := PRECHERCHE; fprintf(OUP,`nn La solution est POINT INDIFFERENCEE = %11.8f nn0 , POINT INDIFFERENCE); fprintf(OUP,`nn QW/sigmaIND = %11.8f nn0 , QW/sigma); fprintf(OUP,`with F(P) = %12.8fnn0 ,FPRECHERCHE); fprintf(OUP,`Nombre d'it erations = %3d`, JJ); OK := TRUE; else JJ := JJ+1; if (FBMIN*FPRECHERCHE > 0) then BMIN := PRECHERCHE; FBMIN := FPRECHERCHE; else BMAX := PRECHERCHE; FBMAX := FPRECHERCHE; end if; end if; # end do; 54 # if (OK = FALSE) then return(5); end if; # if OUP < default then fclose(OUP): printf(`Le fichier de sortie %s a et e cr e e`, NAME); end if; # return(0); # end; 55 Annexe C : Exemple d'utilisation du programme Nous reproduisons ici un exemple d'utilisation du logiciel de l'annexe B. L'exemple retenu evalue le point d'indierence dans le cas de la loi de Weibull avec c = 1=2. Pour simplier la sortie et pour en ameliore la facilite de lecture, nous avons elimine certains commentaires produits par le programme et insere quelques lignes d'espacement. Exemple : > ptmort(); Choisissez: 1. Lire les donnees a partir d'un fichier texte 2. Entrer les donnees manuellement > 2 Entrer QW et KBAR (KBAR >= QW) ? > 1000 > 4000 Entrer les bornes de l'intervalle de recherche Entrer la borne infrieure BMIN: > 200 Entrer la borne suprieure BMAX: > 300 Entrer la tolrance dsire pour la mthode du point fixe. > .000001 Entrer la tolrance dsire pour la mthode de bissection. > .000001 OK1 = TRUE: 21 s1, Q1: 2362.8120040000 56 3812.0528210000 FBMIN: -.0012225861 OK2 = TRUE: 27 s1, Q1: 2170.6861410000 4643.2590140000 FBMAX: .0010679976 Choisissez la destination de la sortie: 1. Ecran 2. Fichier texte > 1 FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: FPRECHERCHE: 1 250.0000000000 -.0003715400 2 275.0000000000 .0002823965 3 262.5000000000 -.0000620040 4 268.7500000000 .0001059618 5 265.6250000000 .0000209045 6 264.0625000000 -.0000208198 7 264.8437500000 -.0000000253 8 265.2343750000 .0000104231 9 265.0390625000 .0000051950 10 264.9414062000 .0000025839 11 264.8925781000 .0000012787 12 264.8681640000 .0000006269 13 264.8559570000 .0000003010 14 264.8498535000 .0000001377 15 264.8468018000 .0000000564 16 264.8452759000 .0000000156 17 264.8445130000 -.0000000047 18 264.8448945000 .0000000055 19 264.8447037000 .0000000004 20 264.8446083000 -.0000000022 21 264.8446559000 -.0000000009 22 264.8446797000 -.0000000003 23 264.8446917000 -.0000000001 24 264.8446977000 .0000000004 25 264.8446947000 -.0000000002 57 FPRECHERCHE: 26 264.8446961000 .0000000005 FPRECHERCHE: 27 264.8446953000 .0000000003 La solution est POINT INDIFFERENCE = 264.8446953000 QW/sigmaIND = .84429404 with F(P) = .00000000 Nombre d'itrations = 27 58 Bibliographie [1] A. Andersen, Comment mesurer la performance des achats ?, L'Expension Management Review, (1994). [2] A. Berthier, P. et Spalanzani, La gestion des stocks, Edition Sirey, 1979. [3] S. Bjork, Inventory management systems, The internal Auditor ; Altamonte Springs, 15 (2000), p. 14. [4] A. Bloch, T. Constantin, et al., Dejouer les pieges de la gestion de projet, Electronic & Electrical Engineering Research Studies Optoelectronics, Editions d'Organisation, Paris, 2000. [5] F. Blondel, Gestion de la production, vol. 2eme edition of comprendre les logiques de gestion industrielle pour agir, Dunod, Paris, 1999. [6] Brill et Chaouch, An eoq model with random variations in demand, Management Science, 41 (1995), pp. 927{936. [7] T. Burgin, The gamma distribution and inventory control, Operation Research Quaterly, 26 (1975). [8] D. Cleland et W. King, Systems analysis and project management, vol. 3eme edition, McGraw-Hill, New York ; Montreal, 1983. [9] J. Danty-Lafrance, Strategie et politique d'approvisionnement, Fayard-Mame, Paris, 1970. [10] R. Declerck, P. Eymery, et M.-A. Crener, Le management strategique des projets, Hommes et techniques, Suresnes, Fr, 1980. [11] L. Johnson et D. Montgomery, Operations research in production planning, scheduling, and inventory control, J. Wiley, Toronto, 1974. 59 [12] H. Kerzner, Project management workbook, vol. 5th ed of to accompany project management : a systems approach to planning, scheduling, and controlling, Van Nostrand Reinhold, New York, 1976. [13] H. Lee et S. Nahmias, Single-product, single-location models, North-Holland, (1993). [14] D. Leroy, Fondement et impact du management par projet, These de doctorat en science de gestion, (1994). [15] C. Midler, Une aaire d'apprentissage collectif, L'Expansion management review, (1995), pp. 71{79. [16] M. Nedzela et J. Gianini, Modeles probabilistes d'aide la decision, Presses de l'universite du Quebec, Quebec, 1987. [17] W. O'Shaughnessy, La faisabilite de projet, une demarche vers l'eÆcience et l'eÆcacite, Editions SMG, Quebec, 1992. [18] R. Peterson et E. Silver, Decision systems for inventory management and production planning, Wiley, New York, 1979. [19] C. Pfohl, O. Cullman, et W. Stozle, With statistical process control: Simulation and evaluation, Journal of business logistics ; Oak Brook, 20 (1999), p. 20. [20] G. Savard, La gestion de l'approvisionnement, Les Presses de l'Universite Laval, Quebec, 1998. [21] R. Schroeder, Managerial inventory formulations with stockout objectives and scal constraints, Naval Research Logistics Quaterly, (1974), pp. p.375{388. [22] P. Tadikamalla, Applications of the weibull distribution in inventory control, The Journal Of The Operational Research Society, Oxford, 29 (1978), pp. 77 { 83. [23] R. Tersine, Principles of inventory and materials management, vol. (third edition, North-Holland, New York, 1988. [24] D. Urli et G. Page, La fonction approvisionnement : une fonction redecouvrir en gestion de projet?, Revue Internationale en Gestion et Management de projets, 4 (1998). [25] P. Voyer, Tableau de Bord de Gestion et indicateur de performance, Presses de l'universite du Quebec, Quebec, 1999. 60 [26] A. Zeng et J. Hayya, The performance of two popular service measures on management eectiveness in inventory control, International journal of production economics, Amsterdam, 58 (1999), pp. 147{158. [27] P. Zipkin, Inventory service-level measures: convexity and approximation, Management Science, 32 (1986), pp. 975 { 981. 61